|
matlab中主成分分析的函数: - o, t9 m) P5 Q; P8 m5 T
1.princomp, v$ e% v* b; l- F" h1 c7 A
功能:主成分分析% E b& M( k) v( F/ b+ E
格式:PC=princomp(X)# Z7 S6 U. y9 P0 B
[PC,SCORE,latent,tsquare]=princomp(X)& O. h- ^8 _4 E: _2 L4 y* b
说明:[PC,SCORE,latent,tsquare]=princomp(X)对数据矩阵X进行主成分分析,给出各主成分(PC)、所谓的Z-得分 (SCORE)、X的方差矩阵的特征值(latent)和每个数据点的HotellingT2统计量(tsquare)。 5 b% i6 ]' Y! ]; T" ?% i
2.pcacov
% b, v$ F6 s- i5 T' u0 l# ? 功能:运用协方差矩阵进行主成分分析
: f, F$ R0 a* } 格式:PC=pcacov(X)
' T% z" L# G9 P% s [PC,latent,explained]=pcacov(X)
5 `( ]' r3 r- M0 E 说明:[PC,latent,explained]=pcacov(X)通过协方差矩阵X进行主成分分析,返回主成分(PC)、协方差矩阵X的特征值(latent)和每个特征向量表征在观测量总方差中所占的百分数(explained)。
0 v# t# \- k5 W9 s" Z9 S3 [# T3.pcares
H; ^: @* ?: Z6 B" I- b4 E 功能:主成分分析的残差
* x' n( S# t: M; r8 j* v v5 Y 格式:residuals=pcares(X,ndim)
! C# _ u; r* I% ]7 F 说明:pcares(X,ndim)返回保留X的ndim个主成分所获的残差。注意,ndim是一个标量,必须小于X的列数。而且,X是数据矩阵,而不是协方差矩阵。
0 o: p: u1 L+ l f3 s& N5 z9 G4.barttest
( U, Q. h* H3 w0 L2 O, E0 ` 功能:主成分的巴特力特检验
1 m) m$ |0 |/ w/ L' r/ m, g l 格式:ndim=barttest(X,alpha)7 N' ~' G; C; D+ W/ `& i
[ndim,prob,chisquare]=barttest(X,alpha)
8 [$ v' ]0 L" n- [4 s1 e: D/ e 说明:巴特力特检验是一种等方差性检验。ndim=barttest(X,alpha)是在显著性水平alpha下,给出满足数据矩阵X的非随机变量的n维模型,ndim即模型维数,它由一系列假设检验所确定,ndim=1表明数据X对应于每个主成分的方差是相同的;ndim=2表明数据X对应于第二成分及其余成分的方差是相同的。 |